钛媒体 App 9 月 11 日，小米正式发布并开源工业级目标说话人语音识别大模型 Xiaomi-CocktailASR-1。据介绍，Xiaomi-CocktailASR-1 旨在解决 " 鸡尾酒会 " 难题。该模型采用端到端 LLM 架构，以目标说话人的一段参考音频作为声纹提示，可在多人同时说话的复杂环境中，精准提取并仅转录目标用户的语音。（广角观察）
钛媒体快报
57分钟前
钛媒体 App 9 月 11 日，小米正式发布并开源工业级目标说话人语音识别大模型 Xiaomi-CocktailASR-1。据介绍，Xiaomi-CocktailASR-1 旨在解决 " 鸡尾酒会 " 难题。该模型采用端到端 LLM 架构，以目标说话人的一段参考音频作为声纹提示，可在多人同时说话的复杂环境中，精准提取并仅转录目标用户的语音。（广角观察）
觉得文章不错，微信扫描分享好友
